当前位置:首页 >> 技术服务 >> 技术服务
技术服务

 

  生物信息学研究室/技术平台是蛋白质组学国家重点实验室及国际人类肝脏蛋白质组计划(HLPP)表达谱和修饰谱项目的实施平台之一,相
继在蛋白质组学方面承担了一系列国家973、863、自然科学基金及北京市重大项目等课题。可承接单项的蛋白质组方面的生物信息技术服务,包
括质谱数据深度分析、蛋白质注释及功能分析、蛋白质相互作用网络构建及分析、蛋白质组研究主题信息服务、生物标志物发现(蛋白质表达模式
建模)和专业数据库研发等。

重点技术服务项目Services

      质谱数据深度分析 Deep and comprehensive analysis of MS data
      蛋白质注释及功能分析 Annotation and functional analysis for proteins
      蛋白质相互作用网络构建及分析(Construction and analysis of PPI network)
      蛋白质组研究主题信息服务 Subject information service in proteomic study
      生物标志物发现(蛋白质表达模式建模) Discovery of biomarkers
      数据库研发 Research and development of databases

一、质谱数据深度分析

      本实验室对Mascot和SEQUEST两大搜索引擎的结果已进行深入的质量控制研究,获取数量更多的高可信的肽段及蛋白质鉴定结果。使用谱图
技术对蛋白质进行定量分析。另外,还对质谱鉴定的蛋白质进行翻译后修饰鉴定。

二、蛋白质注释及功能分析


      当前,数据库中的蛋白质注释十分欠缺,限制了生物学家对鉴定到的蛋白质进行全面的了解和分析。本实验室提供高质量的数据注释信息,
包括对蛋白质结构域、翻译后修饰、突变体、亚细胞定位和功能等描述。利用功能注释工具高通量地对每个蛋白质进行功能注释,并最终统计功
能富集蛋白和蛋白质的功能分布。

三、蛋白质相互作用网络构建及分析

(一)蛋白质相互作用构建及可视化

      构建蛋白质相互作用网络首先需要获取蛋白质相互作用的数据。目前已有大量的蛋白质相互作用数据库,比如DIP(Database of Interacting
Proteins),BIND(Biomolecular Interaction Network Database),KEGG(Kyoto Encyclopedia of Genes and Genomes)等。根据这些数据库中提取
的蛋白质相互作用数据,可以构建相应的相互作用网络。同时,利用研究室开发的生物信息学软件对每对蛋白质间的相互作用可信度进行打分,
从而构建一个更可靠的蛋白质相互作用网络,并对网络进行直观的可视化。

(二)蛋白质相互作用网络深入分析

结合蛋白质功能注释信息,可以对蛋白质相互作用网络进行如下几个方面的深度分析:
(1)     蛋白质相互作用网络中的相互流向预测;
(2)     根据网络的拓扑性质,挖掘网络重要节点(如hub节点、crosstalk节点);
(3)     根据功能注释信息,进行网络模块化。
根据这些信息,分子生物学家可以筛选潜在的生物标记物和药物靶标,并对其进行深入的实验验证。

四、其它服务

此外,本技术平台还提供蛋白质组研究主题信息服务、生物标记物发现以及为一些生物实验室构建可以访问的专业数据库。
以上服务的分析报告将会描述详细的分析流程和分析结果,给出分析方法在文章中的引用方式,具体需求欢迎面谈。

五、联系方式

单位
北京蛋白质组研究中心
 
地址
北京市昌平区生命园路33号
 
邮政编码
102206
 
联系人
朱云平
李满生
电话
010-80705225
1500129617
Email
zhuyunping@gmail.com
limansheng@gmail.com

本实验室近期发表的相关文章


1.         Ma J, Zhang J, Wu S, Li D, Zhu Y, He F. Combination of new features improves peptide identification by Mascot in shotgun proteomics. (Proteomics, accepted)
2.         Liu W, Li D, Liu Q, Zhu Y, He F. A novel parametric approach to mine gene regulatory relationship from microarray datasets. (BMC Bioinformatics, accepted) (IF 3.7817)
3.         Wu X, Wu S, Li D, Zhang J, Hou L, Ma J, Liu W, Ren D*, Zhu Y*, He F*. Computational identification of rare codons of Escherichia coli based on codon pairs preference. BMC Bioinformatics. 2010 Jan 28;11(1):61 (IF 3.7817)
4.         Chinese Human Liver Proteome Profiling Consortium. First insight into human liver proteome from PROTEOMESKY- LIVERHu 1.0, a publicly-available database. J Proteome Res. 2010 Jan;9(1):79-94 (IF 5.675)
5.         Sun A, Jiang Y, Wang X, Liu Q, Zhong F, He Q, Guan W, Li H, Sun Y, Shi L, Yu H, Yang D, Xu Y, Song Y, Tong W, Li D, Lin C, Hao Y, Geng C, Yun D, Zhang X, Yuan X, Chen P, Zhu Y, Li Y, Liang S, Zhao X, Liu S, He F. Liverbase: a comprehensive view of human liver biology. J Proteome Res 2010, 9 (1): 50-8 (IF 5.675)
6.         Liu K, Zhang J, Wang J, Zhao L, Peng X, Jia W, Ying W, Zhu Y, Xie H, He F, Qian X. Relationship between sample loading amount and peptide identification and its effects on quantitative proteomics. Anal Chem. 2009
7.         Zhang J, Ma J, Dou L, Wu S, Qian X, Xie H, Zhu Y, He F. Bayesian nonparametric model for the validation of peptide identification in shotgun proteomics. Mol Cell Proteomics. 2009
8.         Zhang J, Ma J, Dou L, Wu S, Qian X, Xie H, Zhu Y, He F. Mass measurement errors of Fourier-transform mass spectrometry (FTMS): distribution, recalibration, and application. J Proteome Res. 2009 (IF 5.675)
9.         Liu W, Li D, Wang J, Xie H, Zhu Y, He F. Proteome-wide prediction of signal flow direction in protein interaction networks based on interacting domains. Mol Cell Proteomics. 2009
10.     Zhang J, Li J, Liu X, Xie H, Zhu Y, He F. A nonparametric model for quality control of database search results in shotgun proteomics. BMC Bioinformatics. 2008
11.     Suresh Mathivanan, et al. Human Proteinpedia enables sharing of human protein data. Nature Biotechnology 2008; 26(2):164-7 (IF 22.848)
12.     –34 (IF 5.479)Sui S, Wang J, Yang B, Song L, Zhang J, Chen M, Liu J, Lu Z, Cai Y, Chen S, Bi W, Zhu Y, He F, Qian X. Phosphoproteome analysis of the human Chang liver cells using SCX and a complementary mass spectrometric strategy. Proteomics 2008, 8(10): 2024
13.     Zhang J, Li J, Xie H, Zhu Y, He F. A new strategy to filter out false positive identifications of peptides in SEQUEST database search results. Proteomics. 2007
14.     Li D, Li J, Ouyang S, Wang J, Wu S, Wan P, Zhu Y, Xu X, He F. Protein interaction networks of Saccharomyces cerevisiae, Caenorhabditis elegans and Drosophila melanogaster: large-scale organization and robustness. Proteomics. 2006
15.     Liu W, Li D, Zhang J, Zhu Y, He F. SigFlux: a novel network feature to evaluate the importance of proteins in signal transduction networks. BMC Bioinformatics. 2006
16.     Wu S, Wan P, Li J, Li D, Zhu Y, He F. Multi-modality of pI distribution in whole proteome. Proteomics. 2006
17.     Xue X, Wu S, Wang Z, Zhu Y, He F. Protein probabilities in shotgun proteomics: evaluating different estimation methods using a semi-random sampling model. Proteomics. 2006

生物信息学分析项目收费表

分析项目 具体内容 价格
蛋白质鉴定分析 对Mascot和SEQUEST两大搜索引擎的结果进行质量控制,获取数量更多的高可靠的肽段及蛋白质鉴定结果。 2000元/样品
蛋白质定量分析 提供蛋白质定量信息(如SILAC,O18等标记定量的蛋白) 1500元/样品
蛋白翻译后修饰
分析
鉴定质谱数据中蛋白质翻译后修饰类型、翻译后修饰位点信息 2000元/样品
蛋白质常规分析 提供蛋白质基本性质、序列特征分析和亚细胞定位预测等 500元/样品
蛋白质功能分类 GO注释分析→GO富集分析:建立物种的GO解释库→蛋白质功能、参与信号通路及生物过程进行分类 500元/样品
蛋白质相互作用
网络构建
预测蛋白质相互作用,给出现有蛋白质相互作用数据库中的相关证据,提供感兴趣的蛋白质相互作用网络图(最大蛋白质数为300) 1000元/样品
蛋白质相互作用网络分析 蛋白质相互作用网络中的信号流方向预测;根据网络的拓扑性质,挖掘网络重要节点(如hub节点、crosstalk节点);根据功能注释信息,进行网络模块化 2000元/样品
专业数据库构建 按文章要求,提供网络可访问的数据库 3000

  • 版权所有 © 2011 北京蛋白质组研究中心生物信息组
    Copyright © 2011 Beijing Proteome Research Center Bioinformatics Group

    中心电话:010-80727777-1141 传真:010-80705225

  •